-
公开(公告)号：CN119989781A
公开(公告)日：2025-05-13
申请号：CN202510030210.3
申请日：2025-01-08
IPC: G06F30/23 , B23Q3/155 , G06F119/14
Abstract: 本发明公开一种融合可拓学与公理化设计的刀库设计方法，包括：步骤S1、构建刀库系统需求特征基元模型；步骤S2、根据刀库系统需求特征基元模型，得到刀库设计结构耦合矩阵；步骤S3、基于可拓策略求解刀库设计结构耦合矩阵，得到多个刀库设计方案；步骤S4、筛选多个刀库设计方案中信息量最小的方案为最合理的设计方案。采用本发明的技术方案，解决刀库系统设计中存在设计周期长且效果不佳的问题。
-
公开(公告)号：CN111191660A
公开(公告)日：2020-05-22
申请号：CN201911396915.8
申请日：2019-12-30
Applicant: 浙江工业大学
Abstract: 一种基于多通道协同胶囊网络的直肠癌病理学图像分类方法，利用胶囊网络的动态路由机制构建网络模型，在特征提取层利用多输入特征融合方式进行图片的特征提取，并在胶囊层并行多个通道来加速训练，然后利用margin loss损失函数对模型进行训练。本发明有效的克服了传统卷积神经网络技术在训练过程中空间信息丢失、不具有旋转、平移不变性等问题，并利用特征融合提高了模型的泛化能力，胶囊层允许通道间协同合作加速训练，能够有效的节约时间成本，减少网络的参数，使网络训练更加的高效的网络。
-
公开(公告)号：CN111191660B
公开(公告)日：2022-07-22
申请号：CN201911396915.8
申请日：2019-12-30
Applicant: 浙江工业大学
IPC: G06V10/40 , G06V10/774 , G06V10/764 , G06K9/62
Abstract: 一种基于多通道协同胶囊网络的结肠癌病理学图像分类方法，利用胶囊网络的动态路由机制构建网络模型，在特征提取层利用多输入特征融合方式进行图片的特征提取，并在胶囊层并行多个通道来加速训练，然后利用margin loss损失函数对模型进行训练。本发明有效的克服了传统卷积神经网络技术在训练过程中空间信息丢失、不具有旋转、平移不变性等问题，并利用特征融合提高了模型的泛化能力，胶囊层允许通道间协同合作加速训练，能够有效的节约时间成本，减少网络的参数，使网络训练更加的高效的网络。
-
公开(公告)号：CN113771027A
公开(公告)日：2021-12-10
申请号：CN202110943699.5
申请日：2021-08-17
Applicant: 浙江工业大学
Abstract: 本发明公开了一种基于深度学习的双臂协作抓取方法，包括首先构建右臂抓取检测模型，通过数据集训练，来让模型达到识别未知物体的抓取位置的效果；通过在抓取检测模型的基础上加入通道剪枝训练，来得到一个轻量的左臂遮挡检测模型，大大加快检测速度；用相机采集操作画面，对图像进行尺寸上的变化和预处理，以便模型更好的操作；最后将检测到的信息按照一定逻辑通过ROS系统与机器人进行通信，以实现清除遮挡物、抓取物体的操作。本发明将深度学习与双臂协作的思想带入到非结构化的物体抓取中，提高了抓取的效率。同时由剪枝训练得到轻量级左臂遮挡检测模型，更进一步加快了操作的速度。
-
公开(公告)号：CN111260500B
公开(公告)日：2021-12-07
申请号：CN201911277513.6
申请日：2019-12-12
Applicant: 浙江工业大学
Abstract: 基于Hadoop的小水电分布式差分进化调度方法，包括：步骤1：建立以发电量最大为目标的数学模型；目标函数设置为小水电站群内n个水电站发电量之和的最大值；步骤2：编码及初始化：要对这n个水电站调度周期内的引用流量进行综合调度，需将其作为一个整体，每个个体由该小水电群T时段内的引用流量值组成，即一个T*n维的数组；步骤3:进化操作，包括：变异操作、交叉操作、选择操作；步骤4:实现分布式计算：采用子种群的概念，以Hadoop平台的编程框架MapReduce为依托，首先对一定数量个体组成的父种群进行初始化，然后将该初始种群划分为一定数量的、相对独立的子种群，每个子种群独立进化，最后汇总所有子种群，筛选出最优个体。
-
Patent Agency Ranking
-
公开(公告)号：CN109934139A
公开(公告)日：2019-06-25
申请号：CN201910154588.9
申请日：2019-03-01
Applicant: 浙江工业大学
Abstract: 基于群智能算法的肌肉电信号通道组合优化方法，包括如下步骤：步骤一，采集各个通道的数据，并对数据进行预处理，步骤二需要对通道数量以及特征进行选取，步骤三，建立精度确立方法，进行精度预算。步骤四，将步骤三得到的精度利用蚁群算法进行计算，得到最优精度。发明通过启发式算法，对复杂的NP问题进行较为精准的求解，并且大大降低了训练时间。并得到优化后通道的选择。
-
公开(公告)号：CN113724156B
公开(公告)日：2024-03-29
申请号：CN202110907658.0
申请日：2021-08-09
Applicant: 浙江工业大学
IPC: G06T5/73 , G06T7/11 , G06N3/0475 , G06N3/094 , G06N3/0455
Abstract: 一种结合大气散射模型的生成对抗网络去雾方法，包括：S1：构建结合大气散射模型和双解码器的生成器；S2：计算原图和假图之间的距离，训练生成器的能力；S3：将输入的图像随机裁剪成Patch块,进行真伪判断,得到结果真伪矩阵后计算平均值,得到最终输出值；S4：提出反向学习PatchGAN结构；S5：当裁剪Patch块时,同时裁剪Patch块的反向块；S6：在原网络上进行生成器、判别器、损失函数的改进；S7：先将有雾图像集输入进生成网络中,将生成网络生成的无雾图像与现实中无雾图像同时输入判别网络中,判别真假,反复进行网络训练,得到生成对抗网络模型,最后在模型中输入测试图像,得到所需要的无雾图像。本发明还包括一种结合大气散射模型的生成对抗网络去雾的系统。
-
-
公开(公告)号：CN109934139B
公开(公告)日：2021-05-11
申请号：CN201910154588.9
申请日：2019-03-01
Applicant: 浙江工业大学
Abstract: 基于群智能算法的肌肉电信号通道组合优化方法，包括如下步骤：步骤一，采集各个通道的数据，并对数据进行预处理，步骤二需要对通道数量以及特征进行选取，步骤三，建立精度确立方法，进行精度预算。步骤四，将步骤三得到的精度利用蚁群算法进行计算，得到最优精度。发明通过启发式算法，对复杂的NP问题进行较为精准的求解，并且大大降低了训练时间。并得到优化后通道的选择。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.018 seconds)
